技术特征：
1.一种基于GPU并行加速的预条件共轭梯度区域网平差方法，其特征在于，包括以下步骤：S1、在CPU端启动主程序，检测并初始化可用GPU设备，获取GPU设备信息，若存在可用GPU设备，则继续下一步，否则退出；S2、在CPU端导入区域网平差计算需要的原始数据，且将导入的原始数据进行时空基准统一，得到初始数据，所述原始数据至少包括初始内外方位元素数据以及点位数据；S3、将初始数据从CPU端拷贝至GPU内存中，并在GPU端为各类中间数据分配内存空间，根据GPU的计算能力和初始数据的容量大小，在GPU端为第一核函数分配线程块个数n1，每个块包含的线程数m1，得到总线程个数N1＝n1*m1；为第二核函数分配线程块个数n2，每个块包含的线程数m2，得到总线程个数N2＝n2*m2；为第三核函数分配线程块个数n3，每个块包含的线程数m3，得到总线程个数N3＝n3*m3；确定N1、N2和N3的值，为多任务并行计算做准备；S4、进入区域网平差迭代流程：启动GPU端的第一核函数计算法方程常数项向量c，所述第一核函数分为n1个线程块，每个线程块拥有m1个线程，组成共n1*m1＝N1个线程，每一个线程分别读取一个或多个像点对应的初始数据，各线程并行计算得到对应的法方程常数项向量c的一个分量，并在GPU端将各个法方程常数项向量c的分量累加，得到完整的法方程常数项向量c，然后将其拷贝回CPU端，作为步骤S6中残差向量s...